1.1.

DISTRIBUCIONES MUESTRALES:

Las muestras aleatorias obtenidas de una población son, por naturaleza propia,
impredecibles. No se esperaría que dos muestras aleatorias del mismo tamaño y
tomadas de la misma población tenga la misma media muestral o que sean
completamente parecidas; puede esperarse que cualquier estadístico, como la
media muestral, calculado a partir de las medias en una muestra aleatoria, cambie
su valor de una muestra a otra, por ello, se quiere estudiar la distribución de todos
los valores posibles de un estadístico. Tales distribuciones serán muy importantes
en el estudio de la estadística inferencial, porque las inferencias sobre las
poblaciones se harán usando estadísticas muestrales. Como el análisis de las
distribuciones asociadas con los estadísticos muestrales, podremos juzgar la
confiabilidad de un estadístico muestral como un instrumento para hacer inferencias
sobre un parámetro poblacional desconocido. Como los valores de un estadístico,
tal como x, varían de una muestra aleatoria a otra, se le puede considerar como una
variable aleatoria con su correspondiente distribución de frecuencias.

La distribución de frecuencia de un estadístico muestral se denomina distribución

muestral. En general, la distribución muestral de un estadístico es la de todos sus
valores posibles calculados a partir de muestras del mismo tamaño.

Suponga que se han seleccionado muestras aleatorias de tamaño 20 en una

población grande. Se calcula la media muestral “x” para cada muestra; la colección
de todas estas medias muestrales recibe el nombre de distribución muestral de
medias, lo que se puede ilustrar en la siguiente figura:

Una distribución muestral se genera extrayendo todas las posibles muestras del
mismo tamaño de la población y calculándoles a éstas su estadístico. Si la población
de la que se extraen las muestras es normal, la distribución muestral de medias será
normal sin importar el tamaño de la muestra.
Si la población de donde se extraen las muestras no es normal, entonces el tamaño
de la muestra debe ser mayor o igual a 30, para que la distribución muestral tenga
una forma acampanada. Mientras mayor sea el tamaño de la muestra, más cerca
estará la distribución muestral de ser normal. Para muchos propósitos, la
aproximación normal se considera buena si se cumple n=30. La forma de la
disitribución muestral de medias sea aproximadamente normal, aún en casos donde
la población original es bimodal, es realmente notable.
1.3. EJERCICIO 3:

Un auditor toma una muestra aleatoria de tamaño n=100 de un conjunto de 500

cuentas por cobrar. El auditor sabe que las 500 cuentas por cobrar constituyen una
población finita cuya desviación estándar es σ = $145. ¿Cuál es la probabilidad de
que la media muestral difiera de la media poblacional en más de $26?

SOLUCIÓN:
̅ la media de la muestra de tamaño n=100 escogida de la población finita
Sea X
de N=500 casos. Entonces, la variable aleatoria X ̅ tiene distribución
aproximadamente normal con media μx=μ y error estándar:

σ N−n 145 500−400

σ x= √ = √ = 12.982
√n N−1 √100 500−1

En consecuencia, la variable aleatoria estándar:

x̅ − μx̅ x̅ − μ
z= =
σx̅ 12.982

tiene distribución normal N (0,1). La probabilidad de que la media muestral difiera

de la media poblacional en más de $26 es:
26
𝑃[|𝑥̅ − μ| > 26] = 𝑃 [|𝑧| > ] = 𝑃[|𝑧| > 2.00] = 0.0456
12.982